阿司匹林激发诱导的AERD外周血淋巴细胞全基因组DNA甲基化谱
该数据集来自NCBI GEO,包含阿司匹林激发前后哮喘患者外周血淋巴细胞的全球CpG甲基化谱,采用Illumina 860K Infinium Methylation EPIC BeadChip芯片平台检测,覆盖度高于既往研究

基本信息
资源简介
阿司匹林激发诱导的AERD外周血淋巴细胞全基因组DNA甲基化谱
Aspirin Challenge–Induced Genome-Wide DNA Methylation Profile of Peripheral Blood Lymphocytes in Aspirin-Exacerbated Respiratory Disease
该数据集来自NCBI GEO,包含阿司匹林激发前后哮喘患者外周血淋巴细胞的全球CpG甲基化谱,采用Illumina 860K Infinium Methylation EPIC BeadChip芯片平台检测,覆盖度高于既往研究。数据可用于比较阿司匹林加重性呼吸疾病(AERD)与阿司匹林耐受性哮喘(ATA)在口服阿司匹林激发前后的甲基化模式差异,并探索与阿司匹林诱导支气管痉挛相关的新的甲基化CpG位点(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 22 202。
【数据内容】
源站描述(机器翻译,仅供参考):口服阿司匹林激发可能在阿司匹林加重性呼吸疾病(AERD)与阿司匹林耐受性哮喘(ATA)之间诱导不同的全局CpG甲基化模式,这可能在数小时后影响基因表达。因此,在本研究中,我们比较了哮喘患者口服阿司匹林激发前后的全局CpG甲基化谱。此外,我们使用Illumina 860K Infinium Methylation EPIC BeadChip芯片平台比较了AERD与ATA之间的甲基化谱差异,该平台比既往研究(26,485个CpG)具有更大的覆盖度,以发现外周血淋巴细胞(PBLs)中与阿司匹林诱导支气管痉挛相关的新的甲基化CpG。
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL21145、9606。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE235569
【使用注意】
· 源站最后修改于 Jun 29 202,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE235569
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
口服阿司匹林激发试验可能在阿司匹林加重性呼吸系统疾病(AERD)与阿司匹林耐受性哮喘(ATA)之间诱导出不同的全基因组CpG甲基化模式,这种差异可能在数小时后影响基因表达。因此,在本研究中,我们比较了哮喘患者口服阿司匹林激发试验前后的全基因组CpG甲基化谱。此外,我们采用Illumina 860K Infinium Methylation EPIC BeadChip芯片平台比较了AERD与ATA之间甲基化谱的差异,该平台的覆盖范围较既往研究(26,485个CpG位点)更广,旨在发现外周血淋巴细胞(PBLs)中与阿司匹林诱导的支气管痉挛相关的新甲基化CpG位点。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




